鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

AI芯片、机器人舞狮、AI教父真人演讲,2025世界人工智能大会亮点抢先看

编程导航
编程导航
2025-07-26 12:31
阅读 100
编程导航
2025-07-26 12:31
阅读 100

【TechWeb】7月26日消息,以“智能时代 同球共济”为主题的第七届世界人工智能大会(WAIC)今天在上海世博中心、世博展览馆、徐汇西岸等多地同步启幕。

本次大会汇聚了1200余位全球专家,其中包括12位图灵奖、诺贝尔奖得主,80余位中外院士。

大会展览面积首次突破7万平方米,吸引800余家企业参展,3000余项前沿展品将集中亮相,涵盖40余款大模型、50余款AI终端产品、60余款智能机器人以及100余款“全球首发”、“中国首秀”的重磅新品。

“AI教父”真人现场演讲

被誉为 “AI教父”的杰弗里·辛顿(Geoffrey Hinton) 将出席大会并发表精彩演讲。

辛顿是人工智能领域的奠基性人物、当代深度学习革命的核心推动者‌。他致力于神经网络的研究。在1986年辛顿与同事共同推广了反向传播算法(Backpropagation),解决了多层神经网络训练的核心难题。该算法通过计算梯度并逐层调整权重,使神经网络能够高效学习复杂模式,成为现代深度学习的核心引擎。

2012年,辛顿与他的学生Alex Krizhevsky和Ilya Sutskever(也是OpenAI前首席科学家、联合创始人)开发的AlexNet获得ImageNet(一项图像识别竞赛)竞赛冠军,这是一种用于图像识别的神经网络。这一成功促使谷歌收购了辛顿和这两名学生创立的DDNresearch公司,将他们的成就商业化。并由此引发了人工智能和计算机视觉领域的一场革命。

因在利用人工神经网络进行机器学习方面的奠基性贡献,辛顿与约翰·霍普菲尔德共同获得2024年诺贝尔物理学奖‌,成为首位获得该奖项的AI科学家‌。

辛顿也因其开创性工作被誉为“深度学习之父”和“AI教父”‌。

近期的英国皇家学会发布了辛顿的最新演讲,在这场演讲中,他深入探讨了AI从基于逻辑的推理起源到基于学习的神经网络的演变历程,阐释了AI如何模拟人类智能,及其对未来发展的深远影响。他再次发出警告——AI觉醒的临界点已至。

对于此次辛顿将在上海人工智能大会上的演讲内容,业内充满期待。

另外,图灵奖得主杨立昆(Yann LeCun)也将带来前沿洞见,他曾指出:“真正的智能革命,始于不同思想的跨界共鸣。”

中国科学院院士姚期智等中国顶尖学者也将参与这场科学盛宴发表主旨演讲。

国产大模型与智能硬件的竞技场

本届WAIC大会展区吸引800余家企业参展,分为核心技术馆(H1)、行业应用馆(H2)、智能终端馆(H3)和全域链接馆(H4)四大区域。每个展馆都呈现出独特的技术风景线。

TechWeb了解到的企业参展信息包括:

特斯拉Optimus机器人将在工业场景展示精准操作技能,并参与智能终端馆(H3)的机器人擂台赛,与宇树科技拳击机器人等20多款智能机器人同台竞技。

核心技术馆(H1),百度展厅将展示“文心一言4.0”大模型的多模态创作能力,其智能云“万源”平台以三层架构释放异构算力。

华为将展示业界最大规模的“昇腾384超节点真机,还将展示新一代AI芯片架构,算力密度较前代提升300%,为大模型训练提供更强支撑。

国内AI大模型“六小龙”之一的阶跃星辰将发布新一代step3模型,并和众多芯片厂商成立联盟。

芯片企业爱芯元智展区也将亮相H1馆,展示其最新的人工智能感知与边缘计算芯片(AI SoC 芯片),该产品广泛服务于智能AIoT、ADAS、边缘智能及机器人等巨大的边缘和端侧设备市场。

在行业应用馆(H2),腾讯AI将带来大模型、开发平台、智能体..多规格多模态新品,企业、个人、办公、生活等全系AI产品集结登场,并有机器人互动、智能座舱等现场体验。

蚂蚁集团展台将集中展示AI在医疗、金融、生活等场景的最新应用,以及在支付安全、科技产业化与全球化等领域的创新。

学而思将携旗下学而思学习机、学而思网校编程、学而思素养机器人团队和九章爱学等重点业务亮相。通过现场实机演示、全息交互、多平台联动等多种形式,全方位展现“AI赋能学习”的实践成果。

旅游平台马蜂窝将携“AI旅行全链解决方案”亮相会场,首次完整展示从行前决策到行中服务、从线上体验到线下交互的智慧旅行生态闭环,现场搭载多语种讲解与环境感知能力的AI小蚂ROBOT四足机器人做“智能导游”,带领线上线下的游客以全新视角探索人工智能大会,并和各大展台的智能应用进行趣味互动。

在智能终端馆(H3),声网将推出全新升级的对话式AI引擎,针对音频、视频交互体验进行了深度优化。其展区将展示从开发套件到教育、客服、AI陪伴等场景化解决方案的全链条技术。

另外,在链接初创企业和投资机构方面,由启明创投“启明创投·创业与投资论坛”将从创业和投资角度携手该领域的顶尖学者和领军创业者带来4场主题演讲4场专题对话。启明创投创始主管合伙人邝子平、启明创投主管合伙人周志峰,清华大学电子工程系长聘教授 、系主任,无问芯穹发起人汪玉,千里科技董事长印奇等将出席论坛并发表主题演讲或对话。

最后,还有一些彩蛋值得关注。

WAIC现场还全程安排了29场不同主题快闪秀。

巡游A组的机器人、机器狗巡游,与屈原机器人互动,和机器人共舞等;巡游B组则是音乐仿生手弹钢琴、宇树机器人跳舞等;还有机器人、机器狗的集体表演、机器人舞狮、打太极拳、变脸等舞台秀演出。
时间表如下:

原文链接: AI芯片、机器人舞狮、AI教父真人演讲,2025世界人工智能大会亮点抢先看
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230